基于CEEMD和RobustICA的机械设备故障特征提取方法研究

作     者：杨静宗 施春朝 杨天晴 吴丽玫 YANG Jingzong;SHI Chunchao;YANG Tianqing;WU Limei

作者机构：保山学院信息学院云南保山678000 

出 版 物：《制造技术与机床》 (Manufacturing Technology & Machine Tool)

年 卷 期：2021年第10期

页      面：123-127页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程] 

基　　金：云南省科技厅地方本科高校(部分)基础研究联合专项资金项目(2019FH001-121) 云南省大学生创新创业训练计划资助项目(S202010686007) 

主　　题：完备互补集合经验模态分解 鲁棒性独立成分分析(RobustICA) 轴承 故障特征提取 

摘      要：为有效提取复杂背景噪声条件下的滚动轴承故障特征,提出一种基于互补集合经验模态分解(CEEMD)和鲁棒性独立成分分析(RobustICA)相结合的方法。该方法先通过CEEMD分解故障信号并得到若干个不同频率的信号分量。然后依据所构建的组合权重指标体系完成有效信号分量的筛选与重构,并引入虚拟噪声通道。最后,通过RobustICA方法完成信号和噪声的分离,并将降噪后的信号进行包络解调。结果表明,所提出的方法不仅对强噪声干扰有很好的降噪效果,而且能够准确地提取出故障特征。